" Le vrai coût des ruptures dépasse largement les ventes perdues "

LMDS : Selon vous, quelle est aujourd’hui l’ampleur des ruptures en GMS ?

Gaël Ramaen : Les ruptures représentent encore une part importante des opportunités ratées pour les distributeurs. À la louche, elles peuvent entraîner entre 10 et 15 % de pertes potentielles. Un niveau qui reste significatif, notamment dès qu’interviennent des facteurs imprévus.

Pour autant, les enseignes ont clairement progressé ces dernières années en investissant davantage dans la technologie, l’exploitation des données, les outils de prévision ou encore l’automatisation des flux. La gestion des ruptures et, plus largement, le pilotage de la supply chain se sont ainsi nettement améliorés.

LMDS : Mais n'a-t-on pas tendance à sous-estimer l'impact de ces ruptures ?

G.R. : Oui, c’est justement le piège, parce qu’on raisonne souvent uniquement en chiffre d’affaires perdu. Or le coût réel est beaucoup plus large.

Il y a d’abord un coût opérationnel et logistique. Une rupture oblige à réorganiser le réassort, à passer des commandes en urgence, à mobiliser des équipes supplémentaires, à ajuster les flux entre le magasin, la centrale et les fournisseurs. Tout cela génère des coûts humains et organisationnels importants.

Mais le sujet le plus critique reste selon moi la fidélisation. Un client qui ne trouve pas son produit finit par perdre confiance. Et une fois qu’il a changé ses habitudes ou basculé vers une autre enseigne, cela coûte énormément de le faire revenir. On estime qu’il faut investir quatre à cinq fois plus pour reconquérir un client perdu : communication, promotions, personnalisation des offres… C’est probablement le coût caché le plus important.

LMDS : Comment la France se distingue-t-elle de ses voisins dans la gestion des flux ?

G.R. : Le marché français reste très décentralisé par rapport à d’autres pays européens. Le magasin conserve ici beaucoup de contrôle sur les commandes et les ajustements. On retrouve encore une forte culture du « je connais mon magasin, je connais ma demande ». Le problème, c’est que cela conduit souvent à des ajustements permanents davantage basés sur le ressenti terrain. Certains restent utiles, bien sûr, parce qu’on ne peut pas tout prévoir. Mais aujourd’hui, pour 80 à 90 % des flux, les données permettraient déjà d’automatiser énormément de choses.

En France, l’approche reste donc plus hybride. Elle apporte de la souplesse localement, mais devient moins efficace lorsqu’il faut piloter de gros volumes ou anticiper rapidement des variations de demande. Les enseignes les plus performantes cherchent désormais à automatiser davantage afin de permettre aux équipes de se concentrer sur les vraies exceptions. Dans ce domaine, des acteurs très centralisés comme Lidl ou Aldi ont poussé très loin l’automatisation des flux et l’exploitation de la donnée.

LMDS : Le développement du drive a-t-il changé la donne dans la gestion des ruptures ?

G.R. : Oui, car le drive facilite énormément la prévision de la demande. Une commande sur ce circuit reste très stable dans le temps. On considère souvent que le panier est similaire à environ 80 % d’une commande à l’autre. Cela permet d’anticiper beaucoup plus facilement les besoins et d’améliorer la précision des prévisions. Il y a aussi moins d’achats d’impulsion, donc la demande devient plus lisible, ce qui aide mécaniquement à limiter une partie des ruptures.

Mais attention : cela ne fonctionne que si tous les facteurs influençant la demande sont bien intégrés dans les prévisions. Les promotions, les événements sportifs, les week-ends prolongés ou les pics de température restent déterminants.

LMDS : Justement, au rayon surgelé, la catégorie des glaces semble concentrer toutes les difficultés possibles ?

G.R. : Je dirais même que c’est un cas d’école pour tous les sujets liés à la prévision de la demande. Cette catégorie concentre quasiment tous les facteurs de volatilité : météo, promotions, week-ends, événements, saisonnalité ou encore achats d’impulsion. Une étude NielsenIQ montre d’ailleurs que jusqu’à 25 % des volumes peuvent être affectés par des ruptures lors d’opérations promotionnelles. Ce n’est pas surprenant compte tenu de la vitesse à laquelle la demande peut évoluer sur cette catégorie.

Il suffit par exemple d’une vague de chaleur qui arrive plus tôt que prévu ou d’une promotion qui fonctionne mieux qu’anticipé pour que les ruptures explosent si les prévisions ne sont pas correctement ajustées.

LMDS : Les fabricants et les distributeurs ont-ils davantage pris conscience du problème ?

G.R. : Aujourd’hui, on observe une vraie prise de conscience des deux côtés. Les distributeurs comprennent de mieux en mieux l’impact réel des ruptures sur la fidélité et la performance des magasins. De leur côté, les industriels veulent éviter de passer à côté d’opportunités commerciales ou de voir leurs ventes pénalisées par des problèmes de disponibilité.

Tout le monde cherche désormais à gagner en agilité et en réactivité. Les acteurs qui investissent réellement dans l’exploitation des données, dans l’automatisation et dans l’anticipation disposent désormais d’un véritable avantage concurrentiel. La disponibilité produit s’impose progressivement comme un enjeu stratégique à part entière.

LMDS : L’intelligence artificielle change-t-elle réellement la donne dans l’anticipation des ruptures ?

G.R. : Oui, même si l’IA n’est pas totalement nouvelle dans cet univers. Cela fait déjà une dizaine d’années qu’elle est utilisée dans la supply chain pour la prévision des ventes, le réapprovisionnement intelligent ou encore le pilotage des promotions.

Ce qui change vraiment depuis les 18 derniers mois, c’est l’arrivée des LLM* et des modèles prédictifs beaucoup plus puissants. Ils permettent désormais de croiser simultanément la météo, les promotions, les événements sportifs, les historiques de ventes ou encore les habitudes d’achat locales. L’objectif n’est pas de supprimer l’intervention humaine, mais d’automatiser tout ce qui peut l’être afin de permettre aux équipes de se concentrer sur les vraies exceptions et les situations critiques.

Sur une catégorie comme les glaces, où météo, promotions et saisonnalité peuvent se combiner en quelques heures, cette capacité d’anticipation devient un véritable avantage concurrentiel.

(*) : LLM (pour Large Language Model) : modèle d'intelligence artificielle de nouvelle génération capable d'analyser de grandes quantités de données et d'identifier des corrélations complexes.

Gaël Ramaen estime que les problématiques de rupture prennent une dimension particulière dans l'univers des grossistes et du cash & carry. Si les outils de prévision, d'automatisation et d'intelligence artificielle restent globalement les mêmes que dans le retail, les enjeux diffèrent. Une rupture ne se traduit plus seulement par l'insatisfaction d'un consommateur, mais par un risque immédiat pour le client professionnel, dont la qualité de service dépend directement de la disponibilité des produits.

« Le client professionnel ne pardonne pas », résume-t-il. Un restaurateur qui ne reçoit pas un produit attendu peut être contraint de modifier son menu, de trouver un approvisionnement alternatif ou de revoir son organisation. Les conséquences dépassent alors la simple vente manquée et peuvent affecter durablement la relation commerciale.

Selon lui, les exigences de service sont donc souvent plus élevées dans l'univers BtoB. Les grossistes doivent garantir une disponibilité maximale tout en conservant des niveaux de stock maîtrisés, sans dégrader leur rentabilité.